The Novelty of Different Tongues: Polyglot Punning in Shakespeare (and Others)
Bibliographic record
Abstract
Cet article analyse quelques exemples de jeux de mots multilingues chez Shakespeare et certains de ses contemporains, suggérant par ce biais l'importance qu'il y a à consulter des dictionnaires ou autres ouvrages de référence de cette époque, importance qui ne peut qu’être confortée par l'engouement actuel pour les langues étrangères. Un tel engouement vient en partie de mon expérience d'un enseignement dans un environnement bilingue ou multilingue, au Canada, en Tanzanie et en Californie où se trouvent de nombreux étudiants dont l'espagnol est la langue maternelle. Partant de noms comme “Marcade”, “Mercutio”, “Signor Angelo”, et “Iago” dans Shakespeare, cet article s'intéresse aux résonances interlinguistiques de ces noms et de quelques autres. Puis il analyse des interconnections linguistiques avec l'espagnol et d'autres langues dans Hamlet, La Nuit des rois et Henri V, des jeux de mots sur “ambo", “ambus” (embuscade), sur “boys” et "bois en français dans Comme il vous plaira et dans le Bussy d'Ambois de Chapman. Il aborde ensuite la question de la source espagnole du terme anglais “Ingle” (terme signifiant “catamite” ou giton en anglais au XVIe siècle) ainsi que celle des rapports entre les mots “ingles", “angles” et “Anglais” que l'on trouve souvent dans les textes de cette époque, en particulier dans Henri V et dans Les Joyeuses commères de Windsor. D'autres jeux de mots multilingues sont soulignés dans Peines d'amour perdues et dans le “Piège à rats” dans Hamlet avant d'en venir, pour terminer, à ceux qui se rapportent à la “fente” du “Mur”, à la tombe du Nigaud (Ninus/Ninny) et au signifiant “Quince” (le Coing) dans Le Songe d'une nuit d'été.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.017 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".